遥感技术是获取大尺度实时信息的主要方法.Landsat-TM数据具有较高的空间分辨率,在地物分类、城镇规划、土地利用调查、病虫害监测、环境监测等很多问题上具有重要应用价值.遥感图像分类技术的发展主要体现在分类算法的发展和分类精度的提高上.近些年来,计算机技术和人工智能技术的迅速发展为传统的遥感影像分类精度不高的问题提供了一个新方法.特别是神经网络具有并行处理、分布式、非线性、容错性、自适应、自学习和实时处理的特点,广泛应用于模式识别、信号处理、自动控制以及遥感图像的分类等领域.应用VC++程序设计语言设计误差反向传递(BP)神经网络模型,并用该方法对2001年8月26日大洼县Landsat-TM多光谱图像进行分类,共选取4种主要地物类型:水体、稻田、旱田林地和居民地.采用3层误差反向传递神经网络模型,利用模型的分布式结构,对3个光谱波段(3、5、7)进行分类,经过反复试验,确定网络的结构为3、7、4.选择训练数据作为输入矩阵输入到设计好的误差反向传递神经网络中进行训练,经过前向计算和反馈计算,不断地调整网络中各神经元的权值和阈值,直到网络的输出层矩阵与期望输出矩阵的差值达到最小为止.将Landsat-TM剪切数据输入到训练好的网络中进行模拟,得到模拟结果,根据模拟结果生成分类图,在遥感分类图像上网格化取400个样点,对分类结果进行精度分析,使精度更加具有客观性.通过计算得到分类的总体精度为94％,Kappa系数达到0.8906.研究结果表明,应用误差反向传递人工神经网络技术提取遥感图像信息,取得了较好的分类图像和较高的分类精度.